基于深度学习的工程作业智能监控技术的模型优化测试

为了改善输变电工程作业人工检测效率低、人员财产安全风险频发问题,提出了一种基于神经网络模型压缩目标检测技术,结合改进的卡兹曼滤波进行目标跟踪,实现无人机对输变电工程的智能监控。通过深度可分离卷积模型,降低参数数量、提高推理速度,引入注意力机制和剪枝算法,降低神经模型复杂度和非必要参数,减少信息处理数量。同时采用欧氏距离改进的卡尔曼滤波进行目标跟踪,提升目标跟踪的实时性和准确性。实验结果表明,提出的组合模型算法与传统算法对比,可以充分提取文本的高频特征信息,对于不同颗粒度的数据集的准确率提升8%,召回率降低4%,性能更优,具有一定的科研及应用价值。